金融风险管理（殷平生）课件 第11、12章 经济资本与风险调整绩效、大数据发展与金融风险管理

第十一章经济资本与风险调整绩效第一节经济资本第二节风险调整绩效

第一节经济资本

一、经济资本的概念经济资本是一种虚拟资本，与银行风险敞口的非预期损失等额。资本金的设定是为了覆盖非预期损失(非预期损失为实际损失与预期损失的差)。经济资本是指在一定的置信水平下，银行未来能够承担一年内的损失而必须持有的资本金数量。根据经济资本金的概念可知，其数量等于损失概率分布中第α分位数与预期损失的差，其中α%是置信水平。经济资本金的数量如图11.1所示。

图11.1经济资本金的数量

二、经济资本的配置

银行需要经济资本是为了确保其即使在最坏状态下也能够维持清偿力和持续运转，而为业务单位配置经济资本则是为了确保资本的最佳运用，确保每一个业务单位都能持续创

造价值。在业务过程中，银行可以通过经济资本的配置来引导和调整业务的发展方向，即经济资本配置的目的在于构建一个与银行的总体风险战略和股东目标相一致的业务风险组合。

(一)经济资本配置的路线

资本是稀缺的资源，银行必须通过一种机制来合理地进行配置，促进优质业务的发展，控制不良业务的增长，使稀缺的资本得到高效的使用。经济资本分配的基本原则就是把资本要求与风险度量直接挂钩，保证经济资本被分配到最能发挥作用的领域，以实现风险调整后的资本回报或经济增加值的最大化。一般而言，经济资本配置路线可分为“自上而下”和“自下而上”两种类型。

1.“自上而下”路线

“自上而下”路线的配置模型是指基于确定的资本总量，结合未来发展战略，综合考虑各管理维度经济资本和风险调整后的资本回报的变化，在遵循一定原则的基础上，将有限的经济资本按照不同的管理维度进行层层分割，最后形成完整的经济资本配置方案。“自上而下”路线能够有效贯彻银行的战略意图和管理思想，使得整个银行业务发展和承担的

风险可控。

2.“自下而上”路线

“自下而上”路线是先对每个业务单元进行风险计量，确定相应的经济资本需求，再将这些经济资本由底层向上逐级汇总，最后形成完整的经济资本配置方案。“自下而上”

路线的配置模式类似于在银行内部建立的经济资本交易市场。

(二)经济资本配置的流程

1.经济资本的计量

根据等额配置原则，经济资本在数量上等于风险敞口的非预期损失，不同类别风险的经济资本要分别进行计量。常用的方法有：简单系数与收入变动法、资产变动法。

1)简单系数与收入变动法

根据监管机构对操作风险的定义及有无监管资本金，我们可以对金融机构面临的不同风险进行总结。金融机构面临的风险如图11.2所示。

图11.2金融机构面临的风险

(1)市场风险经济资本。市场风险经济资本的计量对象主要为表内和表外业务因利率、汇率、商品和股票价格等变化而产生的风险。市场风险经济资本目前仅对总行本级进行

计量。

市场风险计量的最好指标是风险值指标(VaR值)。计算风险值可以采用参数法和非参数法。参数法假设资产回报服从特定的统计分布，如正态分布、对数正态分布等。非参数方法通过模拟而非统计假设来计量风险值，包括历史模拟法、蒙特卡罗模拟法等。

(2)信用风险经济资本。信用风险经济资本的计量对象主要为表内各类风险资产和表外业务，包括贷款、存放与拆放同业、投放、抵债资产、其他应收款、待处理资产、承兑、担保和信用证等。

经济增加值(EVA)考核中：

信用风险经济资本=贷款类资产当年平均余额×经济资本分配系数×经济资本分配区域调节系数＋非贷款类资产当年平均余额×经济资本分配系数

预算管理中：

信用风险经济资本=贷款类资产本年末时点余额×经济资本分配系数×经济资本分配区域调节系数×非贷款类资产本年末时点余额×经济资本分配系数(11-3)

(3)操作风险经济资本。根据《巴塞尔新资本协议》中的基本指标法，操作风险经济资本按前三个年度经营总收入(净利息收入和非利息收入的合计)的平均值的一定比例确定。

操作风险经济资本=前三年度主营业务收入平均值×风险系数(11-4)

通常来说，金融机构对各业务部门要分别计算市场风险、信用风险、操作风险及业务风险的损失分布，然后将所有的损失分布进行汇总产生该机构所需要的经济资本总量，即

2)资产变动法

从各国银行的实践看，资产变动法正在成为计算经济资本的主流方式。对一个特定的资产组合，经济资本的计算步骤如下：

(1)计算资产组合中单笔资产的非预期损失。

(2)利用历史数据，计算资产损失变化的相关系数矩阵。

(3)应用蒙特卡罗方法模拟整个资产组合的风险分布函数，并计算整个资产组合的标准差和期望。

(4)确定整个资产组合的经济资本乘数。该乘数取决于银行的风险偏好和容忍度，风险偏好越大，则经济资本乘数越小。

2.经济资本分配

1)存量分配

存量分配是指按照一定的比例，将资产组合对应的经济资本总量分配到单笔敞口上。

2)增量分配

增量分配就是指根据经济资本的增量对经济资本进行分配。

3.应用与调试

经济资本管理的实质是根据风险分布现状，向各分行或业务单元分配风险资产的增量控制额度。因各项业务的风险度不同，在既定的经济资本增量内，如果发展低风险业务，

业务规模增长可以较大，但如果发展高风险业务，则业务规模的增长将受到限制。

(三)经济资本配置的作用

1.强化资本约束意识，推动业务规模发展

在经济资本配置过程中强调了资本的稀缺性和高成本性，具有效益约束和风险约束的双效应。通过经济资本重新配置，可以将经济资本从低效率使用者转向高效率使用者，从而提高银行整体经济资本的利用效率；在增加经营收益的同时能够少占用经济资本，以推动业务规模的合理发展。

2.调整业务结构，提高经济资本回报率

经济资本约束意识的增强能够有力地扭转我国商业银行传统的重规模、轻管理的经营思想，促使经营管理的重心转变为优化资产结构和业务结构，进而提高经营效益。实施经

济资本配置管理之后，商业银行可以根据各机构、部门和业务的经济资本回报率水平决定业务发展的方向。

3.促进业务发展与风险控制的平衡

随着外部监管部门对资本充足率监管力度的加强和银行对资本测报要求的提高，商业银行在经营决策时，不仅要考虑资产扩张的速度、业务发展的规模以及业务发展所带来的

收益，还要充分考虑由此带来的风险。

4.准确计量各项业务的成本

经济资本配置强调了经过风险调整后的资本回报，并扣除了为预期风险所计提的专项准备金，更真实地反映了利润和资本回报率；衡量了具体的交易和账户，有助于真实反映

各项业务给银行所创造的价值。基于经济资本配置来衡量业务单位的业绩并将报酬和业绩挂钩，可以给各业务单位最大的制约力，约束只为增加收入而不顾及风险地扩大资产和业

务的行为，同时给予业务单位动力，以便设法采用对冲、转移、出售等方式消除或降低风险，以减少经济资本占用。

5.优化业务战略规划，增强对业务发展的引导

经济资本管理清晰地揭示了不同类型业务的风险，有利于银行选择风险相对较低而收益相对较高的业务作为战略性业务。也就是说，经济资本应优先配置到经济资本系数低、

有较高经济资本回报率的业务上。同时，通过对具体产品、业务和区域的经济资本回报率的量化，可以为商业银行在制定经营发展战略时提供有力支持。

第二节风险调整绩效

RAPM方法通常有四个度量指标：(1)资本收益(ReturnOnCapital，ROC)。(2)风险调整资本的收益(ReturnOnRisk-AdjustedCapital，RORAC)。(3)风险调整资本的风险调整收益(Risk-AdjustedReturnOnRisk-AdjustedCapital，RARORAC)。(4)资本的风险调整收益(Risk-AdjustedReturnOnCapital，RAROC)。

一、资本收益(ROC)

资本收益的一般表达式为

二、风险调整资本的收益(RORAC)

风险调整资本收益的基本公式为

三、风险调整资本的风险调整收益(RARORAC)

RARORAC是根据商业银行要求的资本缓冲额和市场风险进行调整所得出的纯粹的经济资本收益率，可用于不同等级资产的风险决策。其基本公式为

RARORAC技术以风险原理和坚实的经济理论为基础，该指标能够做到以最小的经济资本获得最大的风险调整收益。但是要达到更好的效果，最好结合一些其他目标，如收益

或获利目标等。RARORAC计算公式的分子和分母中均考虑了风险因素，因此使用该指标时需要对风险进行精确的判定和调整；同时，要在企业中全面恰当地实施这种方法，还需要扎实的理论基础以及完备的风险度量和跟踪系统。

四、风险调整后的资本回报(RAROC)

(一)RAROC简介及计算

RAROC的基本计算公式为

式中，经营成本是银行经营管理成本。在实际操作中，精确计算银行的各项成本是比较困难的，所以不同风险的预期损失具有不同的计量方法，可以用容易得到的变量进行计算，即风险调整后的资本等于贷款的市场值在一年内变化的最大值的相反数，其公式为

对式(11-10)进行变形，可写为

或者

针对RAROC需要说明的是：

(1)RAROC对风险资产标准差很敏感，只要给定一个足够高的波动性的变动量(σA)，甚至当项目的净值为负时，该项目都可能达到所预定的最低预期资本收益率。

(2)RAROC对市场组合中资产收益率的相关度很敏感。

(3)RAROC法对波动性和相关度的变动不敏感。

(4)如果在RAROC计算中使用一个固定的最低资本收益率，则倾向于选择高度波动性和高度相关性的项目。

(二)RAROC模型的缺陷与修正

1.RAROC模型的缺陷

前面讲述的RAROC模型含有两个假设条件：一是不考虑各笔贷款之间的相关性；二是违约概率不变则项目预期收益率不变。科罗赫、特布尔和韦克曼认为这两个假设条件存

在问题，他们通过计算两种情况下的企业权益的资本预期收益率，得出实际情况与假设不符。

2.RAROC模型的修正

通过大量的实证分析研究，科罗赫、特布尔和韦克曼提出使用调整过的RAROC来测度每个项目对银行风险收益的边际影响。其中，调整过的RAROC定义为

(三)RAROC在绩效考核中的应用

资本对银行来说是一种经济资本，对经济资本的内部配置除了考虑风险和成本以外，还必须引入另外一个重要因素：业绩。特别是随着银行经营环境及客户需求多样化的发展，

授信资产组合对业务部门业绩衡量的意义日渐突出、难度加大，银行迫切需要建立一个通用的、系统的方法体系和标准，使各业务部门的业绩评估能够公平一致。

1.绩效考核

2.业绩评估

【本章小结】

(1)经济资本金是指在一定的置信水平下，银行未来能够承担一年内的损失而必须持有的资本金数量。

(2)金融机构可以采用“自上而下”及“自下而上”两种方法来计算经济资本金。

(3)经济资本覆盖市场风险、信用风险及操作风险这三类所有银行都面临的共同风险，若给定两者的置信水平和风险期限保持一致，经济资本的计量结果与风险的计量结果应该一致。

(4)一般而言，经济资本配置路线可分为“自上而下”和“自下而上”两种类型。

(5)经济资本的配置流程一般分为三个阶段：经济资本计量、经济资本分配、应用与调试。

(6)四个最经常提到的风险调整后的绩效评估模型是：

①资本收益(ROC)；

②风险调整资本的收益(RORAC)；

③风险调整资本的风险调整收益(RARORAC)；

④资本的风险调整收益(RAROC)。第十二章大数据发展与金融风险管理第一节大数据概述第二节大数据的金融应用第三节大数据与银行风险管理第四节大数据与小微企业信贷

第一节大数据概述

一、大数据的概念“大数据”一词来源于英文“bigdata”，其概念起源于美国。2008年9月，美国《自然》杂志刊登了名为“大数据”的专题，第一次正式提出“大数据”概念。大数据做出相对清晰的定义：大数据是指其大小超出了常规数据库工具获取、储存、管理和分析能力的数据集。大数据被视为继云计算、物联网之后计算机通讯领域掀起的又一次颠覆性技术变革，并成为现代国家发展战略的重要组成部分。

“大数据”一词可以从字面上理解为“巨大的数据量”，通常是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

大数据技术是新一代的技术与架构，它被设计在成本可承受的条件下，通过非常快速的采集、发现和分析，从大体量、多类别的数据中提取价值。

二、大数据的特征

大数据作为数据，除了具有数据的特征外，还有“大”为之带来的体量巨大、类型多样、处理速度快、价值性高和数据在线化的特征。

(一)数据体量巨大(Volume)

数据体量巨大，指代大型数据集，一般数据库的大小在TB级别，而大数据的起始计量单位在PB(1PB=1024TB)级别，有的甚至跃升至EB、ZB级别，包括采集、存储和计算的量都非常大。

(二)数据类别大、类型多样(Variety)

数据类别大，数据来自多种数据源，数据种类和格式日渐丰富，已冲破了以前所限定的结构化数据范畴，囊括了半结构化和非结构化数据。现在的数据类型不仅是文本形式，

更多的是图片、视频、音频、地理位置信息等多类型的数据，个性化数据占绝对多数。

(三)处理速度快(Velocity)

在数据量非常庞大的情况下，也能够做到数据的实时处理。数据处理遵循“1秒定律”，可快速从各种类型的数据中获得高价值的信息，如果超出这个时间，数据就失去价值了。

(四)价值性高(Value)

当量级庞大、实时传输、格式多样的全量数据通过某种手段得到利用并创造出价值，而且能够进一步推动社会与商业模式的变革时，大数据才真正诞生。

(五)数据在线化(Online)

数据是在线的，是能随时调用和计算的，这是大数据区别于传统数据最大的特征。在互联网高速发展的背景下，数据资源不仅仅是体量大，更重要的是表现出在线这一显著特征。

三、大数据关键技术

大数据技术是大数据价值实现的手段和保障，从数据在信息系统中的生命周期看，大数据从数据源经过分析挖掘到最终获得价值，一般需要经过五个主要环节：数据准备、数

据存储与管理、计算处理、数据分析和知识展现。

(一)数据准备

在进行存储和处理之前，需要对采集到的数据进行清洗、转换和整理。与以往的数据分析相比，大数据的来源多种多样，包括企业内部数据、互联网数据和物联网数据，不仅

数量庞大、格式不一，质量也良莠不齐。这就要求数据准备环节一方面要规范格式，便于后续存储管理，另一方面要在尽可能保留原有语义的情况下去粗取精、消除噪声。

(二)数据存储与管理

当前全球数据量正以每年超过50%的速度增长，存储技术的成本和性能面临非常大的压力。大数据存储系统不仅需要以极低的成本存储海量数据，还要适应多样化的非结构

化数据管理需求，具备数据格式上的可扩展性。

(三)计算处理

需要根据处理的数据类型和分析目标，采用适当的算法模型快速处理数据。由于大数据具有多样性特点，仅采用传统的数据挖掘、机器学习、智能计算等数据分析方法已无法

满足大数据时代对算法提出的快速高效等要求。

(四)数据分析

数据分析环节需要从纷繁复杂的数据中发现规律并提取新的知识，是大数据价值挖掘的关键。传统数据挖掘对象多是结构化、单一对象的小数据集，挖掘更侧重根据先验知识预先人工建立模型，然后依据既定模型进行分析。对于非结构化、多元异构的大数据集的分析，往往缺乏先验知识，很难建立显式的数学模型，这就需要发展更加智能的数据挖掘技术。

(五)知识展现

解释与演示大数据的分析结果是知识展现环节的主要任务。不合适的数据显示结果会困扰和误导用户。在大数据时代，基于文本形式及屏幕输出的传统方式已不再适用，因此

有必要通过数据可视化、人机交互等新型技术将分析结果生动形象地展示给用户，以帮助用户更加清晰地了解整个数据处理流程和最终结果。

四、大数据带来的六大趋势

(一)应用无线化

大数据技术的广泛应用为数据采集与分析提供了更大的便利性与移动性，让终端设备与资料采集的作业更具有弹性且有效率，也加快了智能生活的步伐。

(二)信息数据化

数据信息无处不在，而大数据处理数据的高速巨量、多样化、在线化使得信息的流通、交换、加工、运用更趋标准化与结构化，数据的应用变得更及时直接。

(三)交易无纸化

大数据、云计算支持下的在线交易平台凭借其实时性、便利性正在迅速地替代传统的线下交易与纸质凭证，彻底地改变了交易行为与资金流，并赋予未来微经济商业模式更多

创新思考的可能性。

(四)思维智能化

大数据所产生的创新价值与人类交互并深入于生活之中，极大地改变了人们传统的思维方式，人的思维与新科技将会迎来前所未有的碰撞与火花。

(五)决策实时化

数据处理、分析技术的提高，改变了过去因数据获取成本过高而面临的信息不对称的困境，能够实现过去难以达到的实时性和精确性，大数据实时采集与加工极大地改变了决

策与信息关系。

(六)线下线上化

海量数据使得线上与线下更加融为一体，未来仍将呈现线下更多地倾向于运用线上数据的趋势，线上与线下将连接在一起不能分割。

第二节大数据的金融应用

一、大数据金融的概念大数据金融是时代发展的产物，是金融业和大数据技术发展到一定阶段的必然要求。它是指运用大数据技术开展金融服务，即依托于海量、非结构化的数据，通过互联网、云计算等信息化方式对其数据进行专业化的挖掘和分析，并与传统金融服务相结合，创新性开展相关资金融通工作。

二、大数据征信

征信的英文对应单词是CreditReporting或者CreditSharing，可以理解为信用报告或者信用分享。征信是指为了满足从事信用活动的机构在信用交易中对信用信息的需求，专业化的征信机构依法采集、保存、整理、加工自然人、法人及其他组织的信用信息，并向在经济活动中有合法需求的信息使用者提供信用报告、信用评估、信用信息咨询等服务，

帮助客户判断、控制信用风险，进行信用管理的活动。

传统征信模式面临的难题是征信数据不全、平台上传数据积极性低、更新不及时、接入门槛高等问题。大数据征信模式的优点在于：

(1)数据来源广泛，能弥补传统征信覆盖面不足的缺陷。

(2)数据类型多样化，不局限于信贷数据，更能全面反映个人信用情况。

大数据征信模式的难点在于：

(1)信息过多引起的数据杂乱。

(2)整合多方数据困难，且数据相关性分析需要较长时间和实践来检验。

(3)短期内信用评价数据精准性较低。

(4)大数据征信也面临着法律风险，在个人隐私保护上较难把控。

大数据征信适应了金融行业的发展，将征信发展到外部而不仅是银行使用，信息覆盖面广，数据来源也更为广泛和多样化。大数据征信收集的数据类型一定程度上弥补了传统

征信存在的数据时效性方面的不足，又具有多样化的数据来源，能更好地营造良好的社会信用体系。大数据征信报告主要收集的数据类型如表12.1所示。

三、信用评分及风险控制

大数据在加强风险可控性、支持精细化管理方面助推了金融业的发展，尤其是信贷服务的发展。在风险控制上，大数据的战略意义在于摆脱担保和抵押方式，将数据作为提供

融资渠道的关键依据，其中最明显的地方便是建立了个人征信系统，有效地控制了风险。

互联网金融企业的风控大致分为两种模式：

一种是类似于阿里巴巴的风控模式，它们通过自身系统大量的电商交易以及支付信息数据建立了封闭系统的信用评级和风控模型；

另一种则是众多中小互联网金融公司通过贡献数据给一个中间征信机构，再分享征信信息。

四、精准营销及客户体验

大数据技术是金融机构推动业务创新和产品创新进而提高金融服务效率的重要支撑。通过大数据技术，金融机构可以精确地刻画出客户画像。客户画像主要分为个人客户画像

和企业客户画像。个人客户画像包括人口统计学特征、消费能力数据、兴趣数据、风险偏好等。企业客户画像包括生产、流通、运营、财务、销售和客户数据以及上游和下游相关产业链数据。通过大数据技术对客户个人情况等静态信息和交易记录等动态信息的综合分析，金融机构可以得出包括客户的消费偏好、风险偏好等内在的客户行为数据，从而投其所好，为客户提供个性化的服务。

五、投资指导

ThasosGroup是一家利用大数据技术进行投资的对冲基金，而对于喜欢多样化的华尔街投资人来说，这一新鲜的想法已经受到了不少的青睐。传统的投资机构基本上使用的是

金融和财务数据进行投资，而ThasosGroup使用的是大数据，通过对这些数据进行挖掘来准确判断美国消费者的行为，进而了解美国宏观经济运行的趋势，从而做出正确的投资决策。

金融数据和大数据的使用是区分ThasosGroup和其他对冲基金的特征所在。之前有一些金融机构通过社交网络对客户进行追踪，并据此进行投资，这种基于社交网络进行投资的方式基本失败，因为这些社交网络提供的数据是基于非结构性的语言，很难准确定位并最终带来收益。ThasosGroup的技术却并非如此，其数据挖掘关注的是宏观经济基本面以及行业的评估，借此来精准定位其要投资的公司或行业。

六、金融产品创新

大数据技术的运用有利于开发更多金融产品。大数据处理技术的运用，可以给银行提供全新的、更多的业务品种。尤其是网上银行，更是离不开大数据处理技术。全新的在线

金融服务借助现代信息网络技术，使客户足不出户就能在线享受银行专业化、个性化的服务，改变了传统银行业的营销方式，跨越了时空的限制，最大限度地扩大了业务范围和延

长了服务时间，降低了银行经营成本，有效提高了银行盈利能力。

未来大数据金融发展的重点趋势之一为从传统的有时限的金融服务向全天候服务转变，打破地域限制，提供“始终在客户身边”的全场景金融服务。大数据金融将整合各类

渠道，彻底打破时间和地域限制，运用网络化的社会资本，提供一点接入、全程响应的智能化渠道服务，为客户创造最佳服务体验，实现智慧金融。

第三节大数据与银行风险管理一、大数据时代下银行所面临的风险正如业界常说，银行的业务就是风险，而数据则是银行最有价值的资产。如果将风险比作银行的灵魂，那么数据则当之无愧地是银行的血液，两者相辅相成，维系着银行的运作。数据和风险从来就是银行的两大要素，随着全球化的深入和信息技术的发展，风险和数据为商业银行带来的机遇与挑战日趋明显。就宏观经济发展和商业银行的经营环境而言，商业银行面临监管逐渐严格，市场变化日益加速，来自电商及其他非传统金融机构的竞争不断增强的局面。

(一)外部风险来源多样化

目前，银行业外部风险来源包括小贷公司、典当行、担保机构、民间融资、非法集资、影子银行，以及与银行业金融机构有各种业务合作关系的金融同业、工商企业等。与银行业原来的信用风险、市场风险、操作风险等传统风险比，外部风险事件呈现来源多样、形式复杂、防范困难的特点，而这些公司(领域)发生的风险事件，往往会传递至银行业，

最终对银行的业务经营产生不良影响。

(二)外部风险事件对银行业的影响越来越大

在云计算的条件下，银行、企业、中介服务机构之间的联系越发紧密，一时一地、一个单位的局部风险，可以迅速扩展为系统性、全面性风险，如“钱荒”的起因仅仅是一起

小小的同业违约事件。此外，大数据时代的信息来源广、传播速度快，银行的负面舆情通过微信、微博、抖音被迅速传递，甚至被放大，银行声誉的风险增大。

(三)电子银行网络安全面临挑战

近年来，网络安全事件频繁发生，银行业面临客户信息、账户信息和交易信息以及信息系统的安全挑战。一旦信息体系遭受破坏和黑客侵入、网络中断等，导致信息资源的扭曲和传输障碍，就可能带来不可估量的损失。针对银行客户资金的网上欺诈、电话欺诈日益泛滥，呈现集中化、长期化、复杂化的特点，电子银行的交易安全和反欺诈工作必须引起高度关注。

(四)风险管理由控制内部向防范外部转变

风险管理一直是各商业银行的重点工作，商业银行普遍实现了“横向到边，纵向到底”的风险管理，重点从提高审批质效、加强资产监控、降低资本占用、专业队伍建设等方面入手，通过风险管理的“前移”“下沉”，实行集中化全程管理，取得了良好成效。当然，在银行内部风险得到较好控制的同时，外部风险对商业银行的影响也越来越大。

二、基于大数据的银行风险管理

(一)大数据与信用风险管理

这种决策模式具有一定的弊端：

(1)这种模式只适用于经营管理规范、会计信息可靠、信用记录良好的大公司或有充分抵(质)押物并经营良好的大公司，而且风险的状况是要由审批人员进行主观判断，缺乏足够的客观证据。

(2)信息不对称、标准不统一、业务流程复杂、效率低下。

(3)决策所依据的主要是企业过去的静态信息，而不是实时的动态信息，时效性、相关性和可靠性不足，风险不能得到有效控制。

银行可以通过大数据体系的建设有效地解决数据缺乏问题。一方面通过多种传感器、多个渠道采集数据，可以帮助银行更全面、更真实、更准确、更实时地掌握借款人信息，

降低信息不对称带来的风险；另一方面，利用大数据技术可以找到不同变量间新的相关关系，形成新的决策模型，使决策更准确、更统一、更公正。此外，银行业通过构建大数据

平台，也可以帮助银行加强风险建模，大数据技术还可以提供功能广泛的风险分析和管理工具。

(二)大数据与操作风险管理

大数据平台为银行建立完善的风险量化体系提供了保障，主要表现在以下三个方面：

(1)拓展了数据源的广度。大数据平台可以极大地扩展数据来源，利用大数据平台，银行能从互联网、移动平台等多种非传统渠道中及时捕捉以前无法获得或无法使用的风险

事件数据，并通过与传统数据的快速整合、关联补充，为操作风险的度量提供充分的数据保障。

(2)增强了数据源的时效性。利用大数据平台，可以实时地收集操作风险事件数据，即时监控可能发生的事件，并提供实时或准实时的风险计量服务，以配合业务管理对效率

的要求。

(3)促进了风险管理的前瞻性。风险计量体系要能提前捕捉风险预警信号，为主动性风险管理提供技术支持，而大数据平台为实现该目标提供了可能。

(三)大数据与实时风险监测

任何银行业务的风险管理均分为事前、事中、事后阶段，然而国内银行大部分对业务操作的管理是事后监督。例如，欺诈交易风险管理最重要的环节是事前的监测和识别，而由于时间的滞后，现行的事后监督难以发挥主动监督的作用，难以对风险业务发挥实时控制的作用。

流式计算就是这样的实时计算技术，被称为Hadoop之后的第二代“实时”云计算。流式计算的核心思想是实时整合来自多种异构数据源的数据，对海量“运动”中的数据进

行连续实时的处理，捕捉可能对用户有用的信息并把结果发送出去。

三、银行开展全面风险管理的对策

(一)加强对数据的收集与管控规范

商业银行在日常经营中产生的大量数据是形成整个社会大数据的重要组成部分，因此，要对数据管控、数据处理和数据结果反应做出正确处置。

一是确定主要的数据采集渠道，主要可以划分为资讯数据、行情数据以及市场数据。数据管控上要进行标准化采集，统一化处理，时效化完成，分级化查阅，坚持做到采集的数据准确、结果可视，使数据应用性大大提高。

二是数据处理时一定要科学并依照规则，特别要杜绝以假乱真、以次充好的现象。

三是处理后的结果，要依照规定展示，并且严格按照国家法律法规进行使用，避免影响商业银行声誉的风险事件产生。

(二)建立多元化的数据获取渠道

商业银行要注重利用社交媒体的数据拓展渠道，获取客户信息。学会使用各类媒体不但为客户服务，而且为优化商业银行自身形象服务。积极参与网络工具形成的各种运作方

式，并研究在运作方式中融入商业银行工作目标，真正使媒体、网络工具成为维系、拓展客户的桥梁和重要的通道。

(三)提升大数据处理与分析的技术水平

在银行数据大集中的基础上，采用数据仓库技术作为银行海量数据提取的实现方法，将数据集中到银行数据仓库中去，然后在此基础上进行各种数据的统计分析及数据挖掘。

针对多元、高速、高噪声数据，银行必须制定出整合、清理和分析的解决方案。这些数据包括结构化数据(如客户财务信息、交易信息等)、非结构化和半结构化数据(如邮件、

客户信函、代理票据和语音文档等)。

(四)增强对实时数据的处理能力

银行需要即时获取外部风险事件的能力，从而能够分析大流量的实时事件，并迅速洞察事件原委，实时整合来自多种异构数据源的数据，对海量“运动”中的数据进行连续实

时处理，捕捉可能对用户有用的信息并把结果发送出去。因此，需要对持续大流量的实时数据进行分析并快速响应。流式计算把数据包分割成小块，然后通过并行计算的方式将这

些数据快速处理，并保存数据处理后的相关结果。因此银行需要制定流数据分析方案，通过分析社交媒体等流数据，迅速了解客户行为，发现风险并及时预警。

(五)增强大数据平台的投资与建设

大数据时代将带动整个社会交易方式的变化，服务日趋虚拟化，更多的服务将由网络来承担，强大的大数据平台及网络系统是商业银行未来经营管理的利器。因此，商业银行

需要投入大量资源用于适应大数据技术的需要，优化系统的体系架构，使系统具有可拓展性和灵活性。对资源的投入一定要有相当的前瞻性，并兼顾当前实际。争取在过渡期内，

尽可能地实现资源利用最大化。

(六)商业银行要高度重视适应大数据技术的人力储备

美国曾预计，为适应大数据时代到来，未来美国需要60万名拥有数据分析特长，又懂行业知识的复合型人才。这类人才仅仅经过大学培养远远不够，还需要丰富的实践经验。

第四节大数据与小微企业信贷

一、小微企业及信贷风险(一)小微企业的概念小微企业是对小型企业、微型企业、家庭作坊式企业、个体工商户的统称。国内对小型企业的定义主要来自国务院2002年下发的《中华人民共和国中小企业促进法》，文件规定了小企业的划分标准由国务院相关部门根据企业职工人数、年销售额、资产总额等指标结合企业所在行业特点制定。

(二)信贷风险

信贷资产是商业银行的主要资产，开展信贷业务产生的风险即信贷风险。信贷风险具体是指由于债务人信用等级下降或违约及金融市场因子变化等因素，导致信贷资产发生损失甚至银行整体价值下降的可能性。商业银行关于企业的信贷风险可参照《巴塞尔协议Ⅲ》关于资产风险的分类标准分成信用风险、操作风险、市场风险、流动性风险四大类。

由于小微企业本身具有商户数量多、行业分布广、信息采集较难等特征，商业银行开展小微企业信贷业务时会面临一系列与传统大中型企业信贷业务不同的风险。主要来自以下几个方面：

(1)小微企业多数属于劳动密集型企业，技术含量低、管理水平差、缺乏自主创新产品，在市场竞争中只能依靠低价策略，在产业链中往往处于弱势地位。因此，抵抗市场风险的能力较弱，银行贷款坏账率高，同时单笔贷款规模偏小导致单位贷款成本偏高，这些因素影响了银行放贷。

(2)中小企业信息披露不规范。小微企业通常治理不完善、财报数据问题普遍，常常让银行信贷人员难以掌握中小企业的经营情况和风险信息，增加了金融机构的贷前调查难度。小微企业的信息不对称，以及“短、频、急”的融资特点增加了金融机构的授信成本，给其带来了不小的障碍。尤其是小微企业数量多、行业分散，又分别处于不同的发展阶段，这就造成了小微企业融资需求的多元化，金融机构满足小微企业多元化的融资需求需要形式多样的资金提供方式，增大了银行信贷的风险成本。信息不对称还导致了逆向选择，具有偿还能力的优质企业往往被高利率挡在门外，剩余客户中高风险企业偏多，进一步影响了银行放贷的积极性。

(3)金融行业准入门槛高。由于金融行业在国民经济中的特殊地位，国家对金融机构的经营制定了严格的规则制度，旨在保证金融机构的安全性和金融系统的稳定性，避免由

于流动性风险带来金融危机造成不良后果。金融机构的审慎性原则要求相关部门在开展授信业务的时候严把风险关口、严格控制授信对象准入，客观上给风险系数较高的小微企业

设置了融资门槛，使得一些小微企业由于无法及时从金融机构贷到所需资金而丧失了很好的发展机会。

(4)信用评级、信用担保、融资中介等中介服务机构发展缓慢，现有服务机构手续繁杂、服务水平较低、收取费用较高，这些问题令中小企业不堪重负，加大了中小企业融资成本，限制了其健康发展。

二、基于大数据的小微企业信贷模式创新

在中国政府推动及利率市场化等制度变革的背景之下，中国小微企业融资近年来得到了更多的重视，不少银行机构将小微企业融资服务作为转型的重要方向。随着利率市场化，

存贷利差缩小，小微企业信贷业务将是商业银行大力发展的业务。小微企业信贷面临的难题是企业数量大、管理不规范、信息不对称。商业银行需要通过大数据挖掘、分析和运用

去识别具有市场潜力的中小企业客户，完善批量化、专业化审批，将贷款提供给合适的小微企业。例如，阿里金融就通过大数据分析，建立了面向小微企业的阿里小贷平台。

在互联网金融和电子商务环境下，小微企业的融资

模式也发生了变化，主要形成了以下几种模式。

(一)国外小微企业融资模式

P2P网络借贷是随着互联网的发展和民间借贷的兴起而发展起来的一种新的金融模式。它是指在借贷过程中，借贷双方的资料与资金、合同、手续等全部通过网络实现，是个体和个体之间通过互联网平台实现的直接借贷。

众筹，即大众筹资，指大众以互联网为载体，汇集资金用来支持某个特定项目或组织。其实质就是以预购的形式，在网上向公众募集项目资金的模式。众筹模式利用互联网和社交网络传播的特性，让小企业、艺术家或个人向公众展示他们的创意，争取大家的关注和支持，进而获得所需要的资金援助。

(二)国内小微企业网络融资模式

1.银行网络融资服务模式

银行网络融资服务模式是指单一银行通过搭建服务平台，将贷前申请、审核，贷后风险控制等线下业务转移到线上进行，借助网络和